목차
1장 왜 인공지능인가
1.1 인공지능 시대
_ 세상의 빠른 변화
_ AI 기술의 발전
1.2 인공지능이란 무엇인가
_ 인공지능의 정의
_ 강한 인공지능, 약한 인공지능
__ 튜링 테스트와 모라벡 역설
_ 일반 인공지능(AGI)과 초인공지능(ASI)
_ 인공지능의 위험성과 윤리적 문제
1.3 인공지능의 발전으로 기대되는 영역
_ 인공지능의 활용
2장 인공지능 기술의 발전
2.1 어떻게 인공지능이 시작됐나
_ 인공지능의 시작
2.2 인공지능의 봄과 겨울, 그리고 재도약
_ 인공지능의 봄과 겨울
_ 기호주의와 연결주의
2.3 AI 기술 패권
_ AI 패권 전쟁
3장 전통적 인공지능에는 어떤 것들이 있는가
3.1 논리적 추론이란
_ 논리적 추론과 규칙기반 시스템
3.2 지식 표현이 어려운 이유
_ 지식 표현 방법과 지식 그래프
_ 프레임 문제
3.3 언어의 이해가 어렵다
_ 자연어 이해
_ 자연어 번역의 어려움
4장 기계학습이란 무엇인가
4.1 기계학습은 어떻게 다른가
_ 기계학습이 무엇인가
_ 개와 고양이의 구분
__ 수리적 모델의 적용
_ 기계학습의 유형
4.2 기계학습 기술
_ 활용 분야
_ 지도학습
__ 분류와 군집화
__ 지도학습의 개념
__ 회귀분석
__ 서포트 벡터 머신(SVM) 기법
__ K-최근접 이웃(K-NN) 기법
_ 비지도학습
__ 비지도학습의 개념
__ K-평균(K-Means) 기법
__ 오토인코더(Autoencoder)
_ 강화학습
__ 강화학습의 개념
__ 몬테칼로 기법(Monte Carlo Method)
5장 인공신경망이란 무엇인가
5.1 인간의 신경세포
_ 퍼셉트론
_ XOR 문제
_ 다층 퍼셉트론
5.2 퍼셉트론과 인공신경망 구조
_ 인공신경망
_ 활성화 함수
_ 인공신경망의 수학적 이해
__ 손실 함수
__ 오차역전파
__ 경사하강법과 편미분
5.3 인공신경망의 성공적 적용 예
_ 숫자의 인식
6장 딥러닝이 왜 중요한가
6.1 딥러닝은 획기적 기술
_ 심층학습의 발전
_ 딥러닝의 확산과 인공지능 패러다임의 전환
6.2 딥러닝 개념의 소개
_ 합성곱 신경망(CNN)
__ 이미지 특징의 추출
__ 이미지의 분류
_ 순환 신경망(RNN)
__ RNN의 유형
6.3 생성형 AI란 무엇인가
_ 생성형 AI의 시작
_ 파운데이션 모델
_ GAN의 개념
6.4 ChatGPT 출현이 의미하는 것
_ 대화형 AI 모델: ChatGPT
_ ChatGPT의 사례
_ 어텐션 개념과 트랜스포머 모델
7장 왜 빅데이터인가
7.1 빅데이터가 출현하게 된 환경
_ 다양한 데이터의 출현
7.2 데이터 사이언스란 무엇인가
_ 빅데이터의 특성
_ 데이터 사이언스
_ 데이터 센터
7.3 딥러닝에서 빅데이터가 중요한 이유
_ 딥러닝과 빅데이터
_ 빅데이터의 활용 예: 추천 시스템
8장 인공지능이 세상을 어떻게 변화시키나
8.1 빠르게 확산되는 인공지능 기술
_ IT 기업의 변화와 AI 기술의 영향
_ 생성형 AI 기술이 세상을 바꾸다
_ 휴머노이드 로봇이 열어갈 미래
8.2 AI에 수학적 배경이 필요한가
_ AI의 수학적 배경
_ AI 경력 쌓기
8.3 우리 사회는 어떻게 변화할까
_ 인공지능과 사회의 변화
_ 인공지능이 미치는 영역
8.4 인공지능 시대 직업의 변화
_ 일자리의 변화
_ 사회의 양극화
_ ChatGPT와 프로그래밍
__ 난수(Random number) 100개를 생성하고 평균을 구하는 프로그램
__ 상호작용성을 지원하는 사칙연산 프로그램
1.1 인공지능 시대
_ 세상의 빠른 변화
_ AI 기술의 발전
1.2 인공지능이란 무엇인가
_ 인공지능의 정의
_ 강한 인공지능, 약한 인공지능
__ 튜링 테스트와 모라벡 역설
_ 일반 인공지능(AGI)과 초인공지능(ASI)
_ 인공지능의 위험성과 윤리적 문제
1.3 인공지능의 발전으로 기대되는 영역
_ 인공지능의 활용
2장 인공지능 기술의 발전
2.1 어떻게 인공지능이 시작됐나
_ 인공지능의 시작
2.2 인공지능의 봄과 겨울, 그리고 재도약
_ 인공지능의 봄과 겨울
_ 기호주의와 연결주의
2.3 AI 기술 패권
_ AI 패권 전쟁
3장 전통적 인공지능에는 어떤 것들이 있는가
3.1 논리적 추론이란
_ 논리적 추론과 규칙기반 시스템
3.2 지식 표현이 어려운 이유
_ 지식 표현 방법과 지식 그래프
_ 프레임 문제
3.3 언어의 이해가 어렵다
_ 자연어 이해
_ 자연어 번역의 어려움
4장 기계학습이란 무엇인가
4.1 기계학습은 어떻게 다른가
_ 기계학습이 무엇인가
_ 개와 고양이의 구분
__ 수리적 모델의 적용
_ 기계학습의 유형
4.2 기계학습 기술
_ 활용 분야
_ 지도학습
__ 분류와 군집화
__ 지도학습의 개념
__ 회귀분석
__ 서포트 벡터 머신(SVM) 기법
__ K-최근접 이웃(K-NN) 기법
_ 비지도학습
__ 비지도학습의 개념
__ K-평균(K-Means) 기법
__ 오토인코더(Autoencoder)
_ 강화학습
__ 강화학습의 개념
__ 몬테칼로 기법(Monte Carlo Method)
5장 인공신경망이란 무엇인가
5.1 인간의 신경세포
_ 퍼셉트론
_ XOR 문제
_ 다층 퍼셉트론
5.2 퍼셉트론과 인공신경망 구조
_ 인공신경망
_ 활성화 함수
_ 인공신경망의 수학적 이해
__ 손실 함수
__ 오차역전파
__ 경사하강법과 편미분
5.3 인공신경망의 성공적 적용 예
_ 숫자의 인식
6장 딥러닝이 왜 중요한가
6.1 딥러닝은 획기적 기술
_ 심층학습의 발전
_ 딥러닝의 확산과 인공지능 패러다임의 전환
6.2 딥러닝 개념의 소개
_ 합성곱 신경망(CNN)
__ 이미지 특징의 추출
__ 이미지의 분류
_ 순환 신경망(RNN)
__ RNN의 유형
6.3 생성형 AI란 무엇인가
_ 생성형 AI의 시작
_ 파운데이션 모델
_ GAN의 개념
6.4 ChatGPT 출현이 의미하는 것
_ 대화형 AI 모델: ChatGPT
_ ChatGPT의 사례
_ 어텐션 개념과 트랜스포머 모델
7장 왜 빅데이터인가
7.1 빅데이터가 출현하게 된 환경
_ 다양한 데이터의 출현
7.2 데이터 사이언스란 무엇인가
_ 빅데이터의 특성
_ 데이터 사이언스
_ 데이터 센터
7.3 딥러닝에서 빅데이터가 중요한 이유
_ 딥러닝과 빅데이터
_ 빅데이터의 활용 예: 추천 시스템
8장 인공지능이 세상을 어떻게 변화시키나
8.1 빠르게 확산되는 인공지능 기술
_ IT 기업의 변화와 AI 기술의 영향
_ 생성형 AI 기술이 세상을 바꾸다
_ 휴머노이드 로봇이 열어갈 미래
8.2 AI에 수학적 배경이 필요한가
_ AI의 수학적 배경
_ AI 경력 쌓기
8.3 우리 사회는 어떻게 변화할까
_ 인공지능과 사회의 변화
_ 인공지능이 미치는 영역
8.4 인공지능 시대 직업의 변화
_ 일자리의 변화
_ 사회의 양극화
_ ChatGPT와 프로그래밍
__ 난수(Random number) 100개를 생성하고 평균을 구하는 프로그램
__ 상호작용성을 지원하는 사칙연산 프로그램
기본 적립금
2배 적립금